信用卡评分
实验基础信息
-
实验名称：信用卡评分
-
实验英文名：CreditCardScore
-
所属类目：金融类
-
实验描述：根据客户的属性和行为数据，利用信用评分模型对客户进行信用评分，以此决定是否给予授信和授信的额度，从而识别和减少金融交易中的风险
-
主要应用算法：逻辑回归二分类
数据说明
-
数据来源：Kaggle上某信用评分项目的数据，预测未来两年借款人遇到财务困境的可能性。
-
数据属性：结构化数据。
-
数据详情：数据集包含借款人的年龄、月收入、贷款情况、逾期天数及次数等信息，来预测该借款人是否会逾期90天及以上，共150000行数据。
实验搭建
实验整体流程如下：
-
读数据表：读入借款人相关数据。
| 字段 | 注释 |
|---|---|
age |
借款人年龄 |
monthly_income |
借款人月收入 |
debet_ration |
负债率（债务支付+赡养费+生活费用）/月总收入 |
number_of_depends |
不包括自己在内的家属人数（配偶、子女等） |
revolving_utilization_of_unsecured_lines |
（信用卡余额+个人信贷余额-房贷-其他未分期付款的债务）/ 信用额度总和 *100% |
number_of_open_credit_lines_and_loans |
进行贷款的数量（如房贷、车贷、抵押贷款、信用卡） |
number_real_estate_loans_or_lines |
抵押贷款和房贷的数量 |
number_of_time_30_59_days_past_due |
借款人逾期30-59天的次数 |
number_of_time_60_89_days_past_due |
借款人逾期60-89天的次数 |
number_of_time_90_days_late |
借款人逾期90天及以上的次数 |
Serious_dlqin_2yrs |
是否有逾期90天或更糟的拖欠 |
-
缺失值填充：由于借款人的月收入有为空的情况，将null数值用中位数填充。
-
Python脚本：删除表中number_of_depends（家属数量）为null的数据，因为该列的缺失值很少。
-
异常值处理：采用manual方法处理age的异常值，处理后年龄处于16-90岁之间。
-
smote采样：利用smote算法对Serious_dlqin_2yrs标签列较少的样本进行扩大，扩大比例为8倍。
-
卡方分箱：将年龄、负债率、月收入、家属数量、剩余信用额度占比等5个特征进行分箱，将借款人分在不同的箱子里，将连续性的特征转化为类别类的离散特征。
-
WOE值转化：基于分箱后的类别，计算每个特征的每个类别的WOE值。
WOE的全称是”weight of envidence“，是对原始变量的一种编码形式，计算公式如下：
单个分组的WOE值计算：
py指违约客户占所有样本的比例，pn指非违约客户占所有样本的比例，WOE是这2个值取比值再求对数。WOE越大，违约客户与非违约客户的比例就越大，客户违约的可能性越大。
IV的全称是“Information Value”，用于计算特征的价值，体现该特征对模型预测的影响能力，计算公式如下：
单个分组的IV值计算：
某特征的所有分组IV值求和：
IV值越大，表示该特征对模型的预测结果影响越大。
-
标签相关性特征筛选：筛选出前90%的重要特征，并计算这些特征的重要性。
-
逻辑回归二分类：采用逻辑回归算法组件进行模型构建，预测借款人是否会逾期90天及以上。
-
模型评估：采用混淆矩阵评估组件，评估该分类算法的训练结果好坏。
如上图所示，准确率、精确率、召回率等指标均还不错，认为模型达到预期。
-
评分卡系数转化：将分类组件得到的违约概率信息转化为评分分数。
当基准坏好比是0.05时，基准评分是600分，当坏好比翻倍时，评分减少20分，根据此计算每个借款人的信用评分。